CAP IV DISTRIBUCION DE

PROBABILIDADES

Distribucin de probabilidad
Funcin de densidad
Distribuciones discretas
Distribuciones continuas
Variables bidimensionales
Esperanza matemtica
Omentos centrales

 Una distribucin de probabilidad es

un modelo matemtico que asocia
valores de una variable aleatoria con
sus respectivas probabilidades
Modelo matemtico que relaciona
cada valor posible de una VA con su
probabilidad de ocurrencia en la
poblacin.

Funcin de distribucin
Acumulada
funcin que a cada valor posible de una V.A.
le asigna la probabilidad de que la variable
sea menor o igual que ese valor.
FX (r) = P(X r)
siendo FX la funcin de distribucin
acumulada de la variable aleatoria X
Tipos de distribuciones de
probabilidad
Discretas: distribuciones de VA`s discretas
Continuas: distribuciones de VA`s continuas

Variable aleatoria
Variable aleatoria (VA): variable
que toma ciertos valores con
determinadas probabilidades.
Se utilizan letras maysculas para
designar las variables aleatoria: X, Y, Z; y
sus respectivas letras minsculas para los
valores concretos de las mismas: x, y, z.

Tipos de variable aleatoria

Variable aleatoria discreta Es la que solo
puede tomar una cantidad numerable de
valores.
Variable aleatoria continua Es aquella que
puede tomar infinitos valores dentro de un
intervalo de la recta real.

Ejemplos: Variables
aleatorias

Cant. de artculos defectuosos

Cant. de autos que pasan por
una esquina
Cant. de personas que
padecen una cierta
enfermedad

Vida til de un dispositivo

Peso promedio de una
poblacin
Proporcin de alcohol de un
compuesto

V.A.
discreta

V.A.
contnua

Toma un n. finito o
infinito numerable
de valores posibles
x1, x2, x3,xn,

Toma valores
dentro
de un intervalo I
de nmeros reales
I R

PROBABILIDAD DE UNA VARIABLE

ALEATORIA
Como los valores de una variable
aleatoria X dependen de los resultados
de un experimento aleatorio, entonces
se pueden asociar probabilidades a los
valores de una variable aleatoria
Una variable aleatoria discreta asume
cada uno de sus valores con cierta
probabilidad que denotaremos por Px,
o P(X=xi) = p(xi)

EJEMPLO
Sea el experimento Extraer
independientemente dos artculos de
un proceso de produccin y se
define la variable aleatoria X= N de
artculos defectuosos. Supongamos
que el 5% de los artculos son
defectuosos
a) Hallar los valores que asume X
b) Determinar la probabilidad en los
valores de X

SOLUCION
a) Los valores que asume X son

X = {0,1,2}
Esto significa que en un proceso de produccin
puede ocurrir que no exista articulo defectuoso o
que haya un articulo defectuoso o los dos artculos
extrados sean defectuosos

b) Para cada caso considerado calculamos su

probabilidad

P(X=0) = p(0) = p(bb) = (0.95)2 = 0.9025

P(X=1) = p(1) = p(bd,db) = 2 P(d)P(b)= 2(0.95)
(0.05)=0.095
P(X=2) = p(2) = p(dd) = (0.05)2 = 0.025

 Los valores que toma X, junto con

sus respectivas probabilidades, se
puede representar en la sgte. tabla
X

P(x)

0
1
2

0.902
5
0.095
0
0.002
5

TOTA 1.000
L
0

EJEMPLO
Sea el experimento: Lanzar 3
monedas y observar el resultado. Se
define la funcion X=numero de
caras obtenidas en las tres
monedas. Hallar
a) El espacio muestral
b) El recorrido de la variable aleatoria
c) La probabilidad asociada al
experimento

SOLUCION
a) El espacio muestral asociado a este
experimento es
= {ccc, ccs, csc, css, scc, scs, ssc, sss}

b) En este espacio muestral, X es una variable

aleatoria cuyo rango es el conjunto
Rx = { 0,1,2,3}
Donde

X=0,
X=1,
X=2,
X=3,

corresponde
corresponde
corresponde
corresponde

al evento: (sss)
a los eventos: (css), (scs) y (ssc)
a los eventos: (ccs), (csc) y (scc)
al evento: (ccc)

SOLUCION
c) Por lo tanto, las probabilidades son:

P[X=0]
P[X=1]
P[X=2]
P[X=3]

=
=
=
=

P[(sss)] = 1/8
P[(css),(scs),(ssc)] = 3/8
P[(ccs),(csc),(scc)] = 3/8
P[(ccc)] = 1/8

Tabla de
distribucin de
probabilidad

P(x)

0
1
2
3

1/8
3/8
3/8
1/8

TOTAL 1.0000

FUNCIN DE PROBABILIDAD DE UNA

V.A. DISCRETA:
Es la funcin que asocia a cada valor x de la V.A.
X su probabilidad p. y se cumple que:

Los valores que toma una V.A. discreta X y sus

correspondientes probabilidades suelen
disponerse en una tabla con dos filas o dos
columnas llamada tabla de distribucin de
probabilidad:
X
x
x
...
x
P(X=xi)

p1

p2

...

pn

EJERCICIO
Consideremos el experimento de
lanzar un dado y definimos la
variable aleatoria X=numero que
aparece en la cara superior del dado
determinar
a) Los valores que toma X
b) La funcin de probabilidad de X
c) Encontrar, si es posible, una funcin
que relacione las probabilidades con
los valores que toma X

SOLUCION
a) X= {1,2,3,4,5,6}
b) Asumiendo que el dado es normal, entonces
todos los nmeros tienen la misma
probabilidad de salir, por lo tanto, la funcin
de probabilidadX de XP(x)
es:
0
1
2
3
4
5
6

1/6
1/6
1/6
1/6
1/6
1/6
1/6

TOTAL 1.0000

c) Como las probabilidades de

cualquier valor
que toma X son las mismas,
entonces:

FUNCION DE DISTRIBUCION DE
PROBABILIDAD
Al igual que la estadstica bsica,
aqu tambin se pueden representar
o sumar las probabilidades
individuales y as hallar las
probabilidades acumuladas
A todo esto se llama FUNCION DE
DISTRIBUCION DE PROBABILIDAD y
se le representa en una tabla

EJERCICIO
Los resultados de una inspeccin de
calidad en unos artculos de plstico
indican que el 70% aprob la primera
inspeccin, el 60% la segunda
inspeccin y solo un 8% no aprob
inspeccin alguna. Construya la
funcin de probabilidad de la
variable aleatoria X=N de
inspecciones aprobadas por
producto escogido al azar.

Solucin
Los valores que pueden tomar X son 0,1,2
es decir: X= {0,1,2}
Para hallar las probabilidades de los valores
que toma X, usaremos un diagrama de Venn
Luego
P(AUB) = P(A) + P(B)
P(AB)
0.92
= 0.7 + 0.6 P(AB)
P(AB) = 0.38

0.08
Donde A= { aprobaron la primera
inspeccin}
B= { aprobaron la segunda

Solucin
Entonces la funcin de probabilidad
X
P(x) F(x)
es:
0
1
2

0.0
8
0.5
4
0.3
8

0.0
8
0.6
2
1.0
0

TOTA 1.0 0.6

L
0
0.5
0.4

El grafico de una funcin de

probabilidad puede ser
0.3
0.2
0.1
0

Valor esperado y varianza de una

variable aleatoria
Valor esperado: promedio ponderado de
los resultados que se esperan en el futuro

Donde:
= Media de la distribucin
xi = Valores que toma la variable
E(x) = Valor esperado de x
P(xi) = Probabilidad asociada a cada uno de los
valores de la variable x

Valor esperado y varianza de una

variable aleatoria
Desviacin estndar: es una medida de
dispersin absoluta expresada en las mismas
unidades de la variable aleatoria X
Se define como la raz cuadrada positiva de la
varianza
Para determinar la Varianza de la distribucin se
utiliza la sgte. frmula

Donde: V(X) = Varianza

xi = valores que toma la variable x
= media o valor esperado de x
p(xi) = probabilidad asociada a cada uno de los valores que toma x

 Lo que es lo mismo expresar la

varianza como:

Observacin: la media y la
desviacin estandar se redondean a
un valor entero ya que son la media
y desviacin de una distribucin de
probabilidad discreta

Ejercicio
Calcular la media de la distribucin
de probabilidad de la variable
aleatoria discreta X que se define
como N de caras cuando se
lanzan cuatro monedas

SOLUCION
La distribucin de probabilidad de X
es: de la variable aleatoria X, es
La media
x
p(x) x *p(x
i

)
0
1
2
3
4

1/1
6
4/1
6
6/1
6
4/1
6
1/1
6

0
4/16
12/16
12/16
4/16

TOTA 1,0

32/16

ignifica que si se lanzan 4 monedas, muchas veces, en promedio se obte

L
0
as por lanzamiento

Ejercicio
Supongamos que la variable aleatoria X:
numero de fallas que tiene una maquina por
da, tiene la siguiente distribucin de
probabilidad.
a) Determinar e interpretar el valor esperado de X
b) Calcular x

SOLUCION
a) Media

p(x
)

xi*p(x
)

0.1 0
0
0.15
0.1 0.40
5
0.90
0.2 0.52

0
0.40
0.3 0.24

0
0.1
Lo que significa que se espera que
3
0.0
aproximadamente la maquina tenga
3
8
0.0
fallas por da
4

0
1
2
3
4
5
6

TOTA 1.0
L
0

2.61

b) Varianza (V(X)

= 2.3579

Luego la desviacin estndar esta dada por:

Lo que significa que se tiene una variacin de 2 fallas por da

Probabilidad de una variable

continua
Hasta ahora se ha visto las variables
aleatorias de naturaleza discreta es
decir que se pueden contar
Sin embargo hay variables que
asumen valores que no se pueden
contar ya que toman infinitos valores
en un intervalo de nmeros reales

Ejemplo
Cul es la probabilidad de que una
bombilla de luz tenga una vida til de
1000 horas
Es muy probable que nunca se
observe exactamente esa duracin
(P=0),
En cambio si la pregunta fuera Cul
es la probabilidad de que una
bombilla dure al menos 1000 horas?

 Esto generara un histograma como

este

 As la probabilidad de que una

bombilla dure por lo menos 1000
horas es equivalente a la proporcin
de rea entre 0 y 1000
Bajo otro contexto, se puede
construir un modelo matemtico
terico de la curva de frecuencias y
calcular el rea bajo esta curva en el
intervalo [0;1000], utilizando el
concepto de INTEGRACION

FUNCION DE DENSIDAD
La funcin de densidad de
probabilidad de una variable aleatoria
CONTINUA Se denota por f(x), y que
satisface las siguientes condiciones
a) F(X) 0, para todo x R
b)

Significa que el rea bajo la curva y=f(x) a lo largo de

su dominio es 1

c) Para todo a, b Rx con a b, el rea

de la regin delimitada por las curvas:

y=f(x)
y=0
x=a
x=b

Es
v

Si X es una variable aleatoria continua,

entonces se tiene cualquiera de las
siguientes expresiones

y=
f(x)

a b

Ejercicio
Sea f(x) una funcin de densidad para
alguna variable aleatoria X

a) Verificar si f(x) es una funcin de

densidad para alguna variable aleatoria X
b) Calcular P[0<X<=1]

SOLUCION
a) El rea bajo la curva y=f(x) a lo
largo de su dominio debe ser igual a
y
1;
entonces

3/2
F(x)
0

 b) P[0<X<=1]=

Valor esperado y varianza de una

variable aleatoria
Media o valor esperado:

Donde:
=E(x)=media o valor esperado
x=valor de la variable aleatoria
f(x)=funcin de densidad de la
distribucin de probabilidad

Ejercicio
La vida til de un objeto en miles de
horas es una variable aleatoria
continua X cuya funcin de densidad
de probabilidad es

Calcular la esperanza de vida del

objeto

SOLUCION
Aplicando la ec.

2
0

En consecuencia puede esperarse

que la vida til promedio del objeto
sea de 2/3 (1000) = 666.67 horas

 La desviacin estndar de una

distribucin continua

Funcin de densidad de
probabilidad (VA`s continuas)
Es una funcin que permite calcular
la probabilidad de que una V.A.
continua se encuentre en un cierto
intervalo.

 Valor esperado de una VA: valor promedio

de la VA en un gran nmero de experimentos.

Varianza de una VA: medida de la

dispersin de la distribucin de probabilidad
de la VA.